Após finalizar a etapa de criação do módulo de previsão via RNA, tem início a etapa de configuração e simulação do módulo gerador de cenários que consiste em
utilizar um AG para guiar a busca por valores dos atributos apresentados à camada de entrada da RNA, para que esta possa gerar os cenários configurados pelos especialistas do domínio.
No caso específico do estudo de caso, foi selecionado o ano de 2006 como alvo para se gerar os cenários de consumo de energia. Deste modo, antes de executar o AG primeiramente foram obtidos os dados necessários para a modelagem do cenário normal, que serve de parâmetro para guiar a busca pelo melhor indivíduo do AG.
O cenário normal é formado pelos valores previstos de consumo de energia elétrica para o ano de 2006 e para isso é necessário passar como entrada para o módulo previsor as informações de consumo do ano de 2005. Os dados de consumo do ano de 2005, podem ser obtidas por previsão (utilizando os dados de 2004 como entrada), ou a partir da base de dados histórica (utilizando valores reais de consumo de 2005), ou mesmo uma composição entre dados reais e previstos, dependendo do tipo de cenário estudado. Nas simulações realizadas, os valores dos consumos de 2005 foram obtidos através de previsão, e esses foram utilizados para como entrada para a RNA gerar a previsão para o ano de 2006, utilizado como previsão normal e base para o cálculo da meta a ser atingida pelo AG.
A interação entre o AG (módulo gerador de cenários) e as RNAs (módulo previsor da série temporal), ocorre de forma que o AG utilize as RNAs como função de aptidão para avaliar os indivíduos da população do AG. Desta forma, um indivíduo é representado como um vetor de 12 valores referentes aos consumos de energia elétrica de janeiro a dezembro de um determinado ano. A avaliação de cada indivíduo é baseada na previsão que a RNA realiza tendo como entrada o próprio indivíduo, ou seja, um indivíduo representa 12 meses de consumo de energia e sua aptidão, calculada pela RNA, representa os valores dos consumos de energia dos próximos 12 meses.
Partindo do cenário normal, os parâmetros usuais do AG (tamanho da população, método de seleção, crossover, etc...) foram configurados de acordo com a informação da tabela 5.3.
Tabela 5.3. Parâmetros utilizados nos AGs.
Parâmetro Valores
População Inicial 1000 indivíduos
Número de Gerações 40 gerações
Seleção Método do torneio com K=3
Crossover Cruzamento de um ponto
Taxa de Crossover 85%
Taxa de Mutação 0.1%
As simulações foram realizadas com o objetivo de avaliar cenários de previsões para o ano de 2006 e como esses cenários impactavam nos valores de consumos do ano de 2005. Deste modo, foram levadas em consideração análises de aumento do consumo normal previsto para 2006 (cenários otimistas) e análises de diminuição da previsão desse consumo (cenários pessimistas), ambos de acordo com as taxas de 1.5%, 3.0% e 4.5% para crescimento e diminuição.
Cada indivíduo do AG é representado por 12 valores que fazem referência aos consumos dos meses de janeiro a dezembro do ano de 2005. A função de aptidão do AG, que avalia a qualidade dos indivíduos, é representada pela previsão de consumo para o ano de 2006 realizada pelo módulo previsor (via RNA) tendo como informação de entrada o próprio indivíduo (valores de consumo para 2005). Deste modo, levando-se em consideração as metas de aumento para o consumo de 2006, de acordo com as taxas 1.5%, 3.0% e 4.5%, respectivamente meta1, meta2 e meta3, ver figura 5.11, procurou-se encontrar valores de consumos para os meses de janeiro a dezembro de 2005 que satisfizessem tais metas de aumento para o ano de 2006, ver figura 5.12. O objetivo dessa análise foi avaliar o quanto um possível aumento do consumo para o ano de 2006 poderia modificar os consumos esperados para 2005.
Figura 5.11. Valores das metas de aumento do consumo para 2006.
No gráfico da figura 5.11 é mostrado a curva de consumo previsto para os meses de janeiro a dezembro de 2006 (previsão normal) e os valores de consumo previsto para 2006 encontrados pelo AG, de acordo com as metas de crescimento analisadas. É importante notar neste gráfico que esses valores de previsão para 2006 encontrados pelo AG, implicaram em alterações dos consumos previstos para os meses de janeiro a dezembro de 2005, como pode ser visto na figura 5.12.
Em seguida, foram executadas as mesmas buscas realizadas e mostradas na figura 5.11, mas desta vez tendo como alvo os consumos dos meses de julho a dezembro de 2005, pois os consumos de janeiro a junho ficaram constantes e representados pelos consumos históricos (valores realizados para o ano de 2005) desses meses. A idéia desta análise era avaliar, dado que já foram realizados os consumos de janeiro a junho de 2005, o impacto que possíveis aumentos no consumo do ano de 2006 poderiam acarretar nos valores dos consumos dos meses de julho a dezembro de 2005, o que pode ser visto nas figuras 5.13 e 5.14, respectivamente.
Figura 5.12. Valores dos cenários de consumos para janeiro a dezembro de 2005.
Na figura 5.13, pode-se notar que os valores de consumo de 2006 para as metas 2 e 3 foram os mesmos, pois somente com as alterações permitidas para os meses de julho a dezembro de 2005 não é possível encontrar um aumento do consumo de 2006 que satisfaça a meta de aumento 3 (em torno de 4.5%).
Continuando a demonstração do modelo proposto, foi realizada uma nova busca das previsões de energia elétrica, tendo como objetivo agora a diminuição do valor de consumo normal previsto para o ano de 2006 de acordo com as taxas -1.5%, -3.0% e - 4.5%, respectivamente sendo representadas pela meta1, meta2 e meta3. Como na análise anterior, primeiramente foram analisados os casos cujos cenários foram compostos pelos valores de consumos de janeiro a dezembro de 2005, ver figuras 5.15 e 5.16.
Figura 5.15. Valores das metas de diminuição do consumo para 2006, caso 3
No gráfico da figura 5.15 é mostrado a curva de consumo previsto para os meses de janeiro a dezembro de 2006 (previsão normal) e os valores de consumo previsto para 2006 encontrados pelo AG, de acordo com as metas de diminuição analisadas. Como nos casos das metas de aumento do valor previsto de consumo para o ano de 2006, nos casos de diminuição da previsão para 2006 encontrados pelo AG, também implicaram em alterações dos consumos previstos para os meses de janeiro a dezembro de 2005, como pode ser visto na figura 5.16.
Figura 5.16. Valores dos cenários de consumos para janeiro a dezembro de 2005
Também foram realizadas simulações com as metas de diminuição do consumo de 2006 utilizando como alvo para as buscas do AG, os cenários formados pelos meses de julho a dezembro de 2005, ver figuras 5.17 e 5.18.
A figura 5.17, mostra também que tendo como possibilidade somente a alteração dos meses de julho a dezembros de 2005 não é possível atingir a meta de diminuição 3 para a previsão de consumo do ano de 2006.
Figura 5.17. Valores das metas de diminuição do consumo para 2006, caso 4
Figura 5.18. Valores dos cenários de consumos para julho a dezembro de 2005
Partindo de previsões normais, realizadas somente com as RNAs, o módulo gerador de cenários baseado em AGs pôde realizar buscas pelos cenários que melhor representassem as condições indicadas pelos especialistas, com o objetivo de analisar o comportamento da série temporal sob um ângulo de possibilidades de crescimento e
diminuição do consumo de energia elétrica previsto para o ano de 2006 e como essa alteração no consumo previsto impactaria sobre o consumo dos meses de janeiro a dezembro de 2005. As informações obtidas com os cenários gerados servem para melhorar o processo de comercialização de energia, sendo determinantes para o êxito nos processos de compra e venda de energia.
5.6. Considerações Finais
Neste capítulo, foi apresentado a aplicação do framework proposto nesta tese em um problema de previsão de consumo de energia da CELPA. Após uma introdução sobre a contextualização da estratégia proposta na solução do problema de aplicação, foi apresentado uma breve abordagem sobre a dinâmica do atual mercado de energia brasileiro, evidenciando ainda mais a importância de pesquisas de novas ferramentas e metodologias que consigam melhorar o poder preditivo das empresas distribuidoras de energia elétrica no processo de compra da energia oferecida aos seus clientes. Em seguida, foram apresentados os resultados de previsão obtidos com o framework e a geração dos cenários de oscilação do consumo previsto para os anos de 2005 e 2006.
Outro ponto importante a ser evidenciado neste capítulo, é que o framework proposto, embora tenha sido analisada sob o domínio dos dados históricos da CELPA, também pode ser aplicada para outras empresas do setor elétrico brasileiro, ver anexo A. Além disso, o foco da aplicação não está amarrado aos problemas de previsão de consumo de energia elétrica, sendo factível a qualquer problema de previsão de séries temporais que tenha uma base histórica dos valores a serem previstos.